Pandas的DataFrame基本使用详解

目录

1、DataFrame类型

2、DataFrame创建方式

3、DataFrame相关属性

4、DataFrame相关操作

4.1.列操作

获取列：

增加（修改）列：df[列索引] = 列数据

修改列

删除列

4.2.行操作

获取行

增加行：

修改行

删除行

4.3.行列混合操作综合应用（重点）：

4.4.DataFrame结构

4.5.DataFrame运算（重点）

4.6.DataFrame排序（重点）

索引排序

值排序

4.7.DataFrame索引对象Index

4.8.DataFrame统计相关方法(重点)

4.9.unique 和 value_counts 

---

1、DataFrame类型

DataFrame是一个二维数据类型。由多行多列组成，每个列的类型可以不同。DataFrame既有行索引，也有列索引。

行索引和列索引其实都是index,但为了方便区分，创建时用index表示行索引，columns表示列索引，但本质上都是index。

操作DataFrame时需要导入的模块：

import numpy as np
import pandas as pd

# 忽略警告
import warnings
warnings.filterwarnings('ignore')

2、DataFrame创建方式

我们可以使用如下的方式创建（初始化）DataFrame类型的对象（常用）：

• 二维数组结构（列表，ndarray数组，DataFrame等）类型。
• 字典类型，key为列名，value为一维数组结构（列表，ndarray数组，Series等）。

说明：

• 如果没有显式指定行与列索引，则会自动生成以0开始的整数值索引。我们可以在创建DataFrame对象时，通过index与columns参数指定。
• 可以通过head(n)，tail(n)访问前 / 后n行记录（数据）。
• 通过sample(n) 随机抽取n行
• df.index.name = "index_name"  ，指定行索引名称
  df.columns.name = "columns_name" ，指定列索引名称

案例：

# 使用二维数据结构创建DataFrame。没有指定行列索引，自动生成行列索引。都是从0开始的自然数
array1 = np.random.rand(3, 5)
df = pd.DataFrame(array1)
display(df)

	0	1	2	3	4
0	0.878552	0.164219	0.934828	0.762890	0.283276
1	0.783461	0.969697	0.999134	0.557880	0.322521
2	0.775136	0.423268	0.051412	0.063281	0.863997

# 使用字典来创建DataFrame。一个键值对为一列。key指定列索引，value指定该列的值。
df = pd.DataFrame({"贵阳":[101,102,103],"杭州":[201,202,203],"广州":[301,302,303]})
display(df)

df = pd.DataFrame(np.arange(15).reshape((3,5)),index=list("abc"),columns=list("ABCDE"))    #指定行列索引
# 显示前N条记录
display(df.head(2))
# 显示后N条记录
display(df.tail(2))
# 随机抽取N条记录
display(df.sample(2))  

  

df = pd.DataFrame(np.random.rand(3, 5), index=["地区1", "地区2", "地区3"], columns=["北","上", "广","深", "杭"])
df.index.name = "index_name"    #指定行索引名称
df.columns.name = "columns_name"   #指定列索引名称
display(df)

df = pd.DataFrame(np.random.rand(3, 5), index=["地区1", "地区2", "地区3"], columns=["北","上", "广","深", "杭"])
# 注意Index首字母大写
idx = pd.Index(["GDP增长", "人口增长", "人才增长"], name = "index_name") #修改行索引index
df.index = idx
display(df)

3、DataFrame相关属性

• index 索引
• columns 列
• values 值
• shape 形状
• ndim 维度
• dtypes 数据类型

说明：

• 可以通过index访问行索引，columns访问列索引，values访问数据，其中index与columns也可以进行设置（修改）。
• 可以为DataFrame的index与columns属性指定name属性值。
• DataFrame的数据不能超过二维。

案例：

df = pd.DataFrame(np.random.rand(3, 5), index=["GDP增长", "人口增长", "人才增长"], columns=["北","上", "广","深", "杭"])
display(df)

display(df.values, type(df.values))  # 返回DataFrame关联的ndarray数组
display(df.index)   # 返回行索引
display(df.columns)  # 返回列索引
display(df.shape) # 返回形状
display(df.ndim)  # 返回维度
display(df.dtypes)  # 返回各列的类型信息。

df.index = ["r1", "r2", "r3"]          #修改行索引
df.index.name = "index_name"  #给行索引起名
df.columns.name = "columns_name"  #给列索引起名
display(df)

4、DataFrame相关操作

4.1.列操作

df = pd.DataFrame(np.random.rand(5, 5), columns=list("abcde"), index=list("hijkl"))
display(df)

• 获取列：

  • df[列索引]
  • df.列索引
  • df.iloc[:,:]
• 案例：

# 获取DataFrame的列。通过df[索引]的方式，永远是获取列，不会获取行。【索引永远被解析为是列索引。】
display(df["a"], type(df["a"]))

# 获取列的第二种方式：(建议大家使用前者，因为不受特殊名称的限制。)
display(df.a)

# 获取多个列（返回一个DataFrame，即使只选择一个列）
display(df[["a", "d"]])

#不管列名和行的切片索引

display(df.iloc[:,2:5])    #获取2-5列（注意：从0列开始算）

display(df.iloc[:,:5])     #获取前5列

display(df.iloc[:,[False,True,True,False,True,True]])  #